我有一个由多个子网络组成的网络(多个卷积网络和最后一个完全连接的+ softmax层)。 每个ConvNet都使用特定区域和图像大小进行馈送。 因此,为了馈送我的网络,我为每个convnet输入编写了图像占位符,并为每个批次中所有图像的标签提供了一个标签占位符(所有convnet输入中的所有输入图像具有相同的标签)。 不幸的是,我对feed_dict部分没有任何想法。 例如,此代码仅用于单个convnet训练:
images_r, labels_r = sess.run([images, labels])
train_feed = {images_placeholder: images_r,
labels_placeholder: labels_r}
_, loss_value = sess.run([train_op, loss_func], feed_dict=train_feed)
我该如何扩展上面的代码以满足所有卷积网络的需求?